Explorando a filmografia de Tom Hanks

filmography %>%
    summarise("Média" = mean(box_office), 
              "Médiana" = median(box_office), 
              "Desvio padrão" = sd(box_office), 
              "90 percentil" = quantile(box_office, 0.9)) %>%
    kable() %>%
        kable_paper(full_width = FALSE, position = "center") %>%
        add_header_above(header = c("Estatísticas das bilheterias" = 4))

melted_film <- melt(filmography ,  id.vars = c("year", "title", "credit", "box_office"), variable.name = 'Avaliações')

levels(melted_film[["Avaliações"]])[levels(melted_film[["Avaliações"]])=="rating"] <- "Críticos"
levels(melted_film[["Avaliações"]])[levels(melted_film[["Avaliações"]])=="audience_score"] <- "Audiência"

interactive <- melted_film %>%
    ggplot(aes(x = Avaliações, y = value, group = 1, text = paste("Título: ", title, "<br>Avaliação: ", value))) +
    geom_violin(aes(group = Avaliações, color = Avaliações), alpha = 0.8, draw_quantiles = c(0.25, 0.5, 0.75)) +
    geom_beeswarm(size = 4, cex=4, aes(color = Avaliações, group = Avaliações), alpha = 0.6) +
    coord_flip() +
    labs(
        x = "Categoria",
        y = "Avaliação",
        title = "Avaliações dos filmes"
    )

ggplotly(interactive, tooltip = "text", height = 400, width = 700) %>% 
    config(displayModeBar = FALSE, displaylogo = FALSE, locale="pt-BR")

filmography %>%
    summarise("Média" = mean(audience_score), 
              "Médiana" = median(audience_score), 
              "Desvio padrão" = sd(audience_score), 
              "90 percentil" = quantile(audience_score, 0.9),
              "Média " = mean(rating), 
              "Médiana " = median(rating), 
              "Desvio padrão " = sd(rating), 
              "90 percentil " = quantile(rating, 0.9)) %>%
    kable() %>%
        kable_paper(full_width = FALSE, position = "center") %>%
        add_header_above(header = c("Audiência" = 4, 
                                    "Críticos" = 4)) %>%
        add_header_above(header = c("Estatísticas das avaliações" = 8))

cor_plot <- function(df, var = "rating", label.var = "Avaliação dos críticos", label.x = 2, 
                     label.y = 10, color = "mediumturquoise", method = "pearson", ...) {
    
    df %>%
        ggplot(mapping = aes(x = box_office, y = get(var))) +
            geom_point(size = 3, alpha = 0.8, color = color) +
            theme_tq() +
            annotate("label", label = paste(
                        "r =", round(cor(df$box_office, df[[var]], method = method), 2)), 
                     x = label.x, y = label.y, size = 6, colour = "white", 
                     fill=color, alpha = 0.8) +
            scale_x_log10() +
        labs(
            y = label.var,
            x = "Bilheteria",
            ...
        )

    }

set.seed(123)

alt <- filmography %>%
            mutate(log_box_office_scaled = as.vector(scale(log10(box_office))),
                   rating_scaled = as.vector(scale(rating)))

# O agrupamento de fato:
km = alt %>% 
    select(rating_scaled, log_box_office_scaled) %>% 
    kmeans(centers = 6, nstart = 50)

agrupado = km %>% 
    augment(alt)

levels(agrupado$.cluster) <- list("Medíocres" = "4",
                                  "Sucessos" = "2",
                                  "Melhores que o esperado" = "3",
                                  "Obras primas de bilheteria" = "1",
                                  "No meio do caminho" = "6",
                                  "Fracassos (?)" = "5")

agrupado <- agrupado %>%
                rename("Categoria" = .cluster)

agrupado %>%
    group_by(Categoria) %>%
    ggplot(aes(y = rating, x = box_office)) +
    geom_mark_hull(aes(fill = Categoria), alpha=0.4, color="white", concavity = 3) +
    geom_point(aes(color = Categoria), alpha=0.8, size=3) +
    scale_x_log10() +
    theme_tq() +
    coord_cartesian(xlim=c(1, 600), ylim=c(1, 105)) +
    labs(
        x = "Bilheteria (milhões de dólares)",
        y = "Avaliação dos críticos",
        title = "Críticas versus Bilheteria | Filmes com participação de Tom Hanks",
        subtitle = "Gráfico de pontos com agrupamentos"
    )

make.table <- function(df, filter_by) {
    df %>%
    filter(Categoria == filter_by) %>%
    select(year, title, rating, box_office) %>%
    rename(Ano = year, "Título" = title, "Avaliação dos críticos" = rating, Bilheteria = box_office) %>%
    kable() %>%
        kable_material(full_width = FALSE, position = "center")
}

# Trying to decide K
explorando_k = tibble(k = 1:15) %>%
    mutate(agrupamento = map(k, ~ kmeans(
        select(alt, rating_scaled, log_box_office_scaled),
        centers = .
    ) %>% glance())) %>%
    unnest(agrupamento)

explorando_k %>% 
    ggplot(aes(x = k, y = betweenss / totss)) + 
    geom_line(color = "dodgerblue") + 
    geom_point(color = "dodgerblue") +
    geom_vline(xintercept = 6, color = "orange", size = 1) +
    geom_label(x = 6, y = 0.5, label = "6", size = 7, fill = "orange", color = "white") +
    labs(
        x = "K - número de grupos",
        title 
    )